文献综述
（一）问题的提出
为了提高交通效率，减少能耗，世界各国都在努力开发智能运输系统和先进的驾驶系统以帮助驾驶员安全驾驶。交通标志的检测识别作为智能交通系统的一个重要内容，它也引起了许多研究人员和机构的浓厚兴趣。由于计算机技术和人工智能技术发展速度极快，因此无形中也加快了开发智能交通系统的进程。在智能化汽车和无人驾驶技术的迅速发展过程中，人们也对交通标志的检测识别提出了许多新的要求，交通标志的检测识别又将面临新的挑战，因此，为了提高交通标志检测识别系统的实时性与可靠性，当前需要一个更加高效的交通标志检测与识别方法。同时，人们也在利用一些新技术的基础上不断研究一些新的交通标志检测和识别方法，使研究出来的检测和识别交通标志的方法更加满足实用要求。但是不论采用什么方法，如何提高检测识别的精度，如何提高交通标志检测识别算法的处理速度，如何使所研究出来的交通标志检测识别系统可以应用在实际场景中等，这些都是目前亟待解决的关键问题。
（二） 研究背景与现状
道路交通标志的检测和识别技术在国外起步较早。1980 年，日本，美国和德国就有了交通标志识别的算法和相关的研究体系。日本的 H.Akatsuka 等人提出要创建交通标志检测识别系统，该系统可以通过识别行驶车辆前方的交通标志来帮助司机驾驶。美国的 Kehtarnavaz 等人于20世纪90年代通过提取 HSV 彩色模型下的交通标志图像的颜色和形状特征完成了检测识别交通标志，他们将他们的研究成果应用于禁止标志的检测和识别，识别准确率还是比较令人满意的。Blancard等人只是利用形状特征来检测和识别交通标志，虽然检测识别的精度比Kehtarnavaz 等人的算法低一些，但它的优点是处理速度较快，可以满足实时性要求。Vitabile S 等人利用神经网络技术完成了交通标志的检测和识别系统。Bascon等人通过交通标志的形状特征和 SVM（支持向量机）技术，完成了交通标志的检测和识别算法，但是只能检测识别几种常见的道路交通标志，且处理时间较长，实时性略低。德国的 Hoferlin B 等人研究了一种基于 Hough（霍夫）变换和 SIFT（尺度不变化特征转换）的交通标志检测方法，此算法的检测准确率比较高，但是该算法只可以应用于圆形交通标志。此外，西班牙、法国和意大利等国也纷纷开展交通标志的检测识别研究。Piccioli 等人先是提取交通标志的几何特征，然后对待检测图像和标准交通标志模板通过使用 SMF（相似性度量函数）进行相似性度量和模板匹配，完成了交通标志的检测和识别。在这个系统中，可以识别圆形交通标志和三角形的交通标志，识别率也不错，但处理时间长，实时性较低。Escalera 等人将神经网络算法和遗传算法相结合，完成了道路交通标志的检测和识别系统，同时系统中还加入了 GPS 技术对车辆的位置进行定位，这个系统在没有阴影遮挡的情况下准确率很高。
最近这些年国内才开始研究交通标志的检测和识别算法，由于交通标志的检测识别技术有相当的难度，国内的交通标志检测和识别的相关研究成果也比较少，截止到目前可以应用在实际生活中的道路交通标志检测和识别系统也只是研究机构或几个汽车电子公司的计划。然而，随着 ITS 的迅速发展，研究人员们已经认识到交通标志检测识别研究的巨大价值，于是越来越多的人投入到交通标志检测和识别研究的队伍当中，因此也取得了一些阶段性的成果。
2004 年王坤明等人采用 BP 神经网络技术对静态的道路交通标志图像实现了检测和识别，此方法可以识别出 11 种不同的道路交通标志。进行边缘检测，最后对检测到的点进行顶点判断，判定该顶点是不是符合三角形的所需条件，在只运用于三角形交通标志的条件下，还是有很高的准确性和实时性的。2007 年朱双东教授提出了一种关于交通标志的颜色几何模型，该模型依据不同交通标志的形状和颜色将交通标志分为七个类别，不过他只是将交通标志的知识精炼总结了一下，没有研究具体的交通标志的检测和识别算法。2010 年东北大学王楠等人实现了一种交通标志检测与识别算法，该算法基于多线索混合，首先利用颜色和形状特征对交通标志进行检测，然后根据颜色形状的组合对图像进行粗分类，接着提取类 Haar 小波特征，最后通过二叉树支持向量机对交通标志进行了识别，该算法具有较好的检测识别准确率，但是处理时间较长，实时性能略低。2013 年中南大学蔡自兴教授等人研究了一种基于 DT-CWT 和 2DICA 的交通标志检测识别算法，该算法先是把彩色图像转化为灰度图并且标准化，然后对其进行 DT-CWT 变换，接着利用 2DICA 方法对特征进行描述，识别阶段采用的是最近邻域分类法，此算法的识别准确率很高。总的来说，国内已公开发表的交通标志检测识别的成果还是比较少的，还需要开展进一步的研究。
参考文献
[1] 余超超.交通标志检测与识别算法研究[D].[硕士学位论文].成都：西南交通大学，2017.
[2] 曹奥阳.交通标志识别算法研究[D]:[硕士学位论文].北京：北京交通大学，2017.
[3] 宋青松，张超，田正鑫等.基于多尺度卷积神经网络的交通标志识别[J].湖南大学学报（自然科学版），2018，45(8):131-137.
[4] 戈侠，于凤芹，陈莹, 等. 基于分块自适应融合特征的交通标志识别[J]. 计算机工程与应用, 2017, 53(3): 188-192.
[5] 王昔鹏.复杂场景下的交通标志识别技术研究[D].合肥：合肥工业大学，2017.
